灰级共发生矩阵分析喉状细胞癌中核纹理模式:专注于人工智能方法
Svetlana Valjarevic1, Milan B Jovanovic1, Nenad Miladinovic1
1University of Belgrade, Faculty of Medicine, Clinical Hospital Center "Zemun", Vukova 9, RS-11080 Belgrade, Serbia.
概括
在喉癌细胞中使用灰级共发生矩阵 (GLCM) 和离散波波变换 (DWT) 确定了明显的核特征. 机器学习模型显示了基于AI的诊断传感器在癌症检测中的潜力.
科学领域:
- 计算病理学计算病理学
- 数字图像分析数字图像分析
- 癌症诊断 癌症诊断 癌症诊断
背景情况:
- 灰级共发生矩阵 (GLCM) 和离散波波变换 (DWT) 是分析组织纹理的先进计算技术.
- 这些方法在癌症识别和病理学中的分类方面表现有前途.
- 在喉癌中形态完整的状上皮细胞可能具有独特的纹理特征.
研究的目的:
- 用GLCM和DWT研究喉癌中状上皮细胞独特的核纹理特征.
- 开发和评估机器学习模型,根据这些纹理特征对喉癌细胞进行分类.
主要方法:
- 使用灰级共发生矩阵 (GLCM) 和离散波波变换 (DWT) 分析核纹理特征.
- 在癌症和非癌症喉组织之间比较GLCM指标 (二次角运动,逆差动量,纹理对比).
- 开发机器学习模型 (随机森林,支持矢量机) 使用GLCM和DWT定量器作为输入.
主要成果:
- 在喉癌细胞和非癌细胞之间观察到平均核GLCM指标的显著差异.
- 机器学习模型在分离细胞类型方面表现出良好的分类准确性和区分能力.
- 这些模型在有限的细胞样本上成功地使用GLCM和DWT定量器进行了训练.
结论:
- 喉癌中的状上皮细胞表现出独特的核纹理特征,可以通过GLCM和DWT检测到.
- 基于这些纹理特征的机器学习模型显示了精确癌细胞分类的潜力.
- 这些发现支持开发基于人工智能的传感器,用于喉癌诊断协议.
